Muestra las diferencias entre dos versiones de la página.
Próxima revisión | Revisión previa | ||
pan:res_cifrado_homomorfico [2025/01/07 18:54] – creado thejuanvisu | pan:res_cifrado_homomorfico [2025/01/07 22:16] (actual) – thejuanvisu | ||
---|---|---|---|
Línea 1: | Línea 1: | ||
====== [PAN] Cifrado Homomórfico (Resumen) ====== | ====== [PAN] Cifrado Homomórfico (Resumen) ====== | ||
+ | Se utiliza cuando se quieren realizar computaciones en una entidad que no es de confianza. Se realiza el uso de grupos de homomorfismos: | ||
+ | $$D_K(x+y) = D_k(x){ o }D_k(y)$$ | ||
+ | * Cifrado: $Cx=E(X)=X^e mod(n)$; $Cy=E(y)=y^e mod(n)$ | ||
+ | * Descifrado: $X = D(Cx) = c_x^d mod(n)$; $Y = D(Cy) = c_y^d mod(n)$ | ||
+ | * Multiplicación: | ||
+ | * Por lo tanto $D(C_x*C_y) = x*y$ | ||
+ | ===== Retículos ===== | ||
+ | Un retículo n-dimensional es cualquier combinación de enteros en base n ${a_1, a_2,..., a_n}$. Una base es buena si todos los vectores son cortos o es mala si son largos. | ||
+ | ==== Problemas de los retículos de grandes dimensiones ==== | ||
+ | En los retículos es muy difícil calcular: | ||
+ | * SVP (Shortest Vector Problem): Encontrar la norma euclídea $λ_1$ del vector más corto en el retículo | ||
+ | * ∝-Aproximate SVP: Encontrar un vector con una norma más pequeña que $∝λ_1$ donde ∝>1 puede depender del número de dimensiones. | ||
+ | * SIVP (Shortest Independent Vectors Problem): $λ_n$ es la longitud del n-vector más corto en profundidad. | ||
+ | |||
+ | ==== Por que se usa cifrado basado en Retículos ==== | ||
+ | * Resistencia cuántica | ||
+ | * Relativamente fácil de implementar | ||
+ | * Permite cifrado homomorfico | ||
+ | |||
+ | ===== LWE (Learn With Errors) ===== | ||
+ | Consiste en resolver sistemas de ecuaciones con ruido añadido. Este ruido asegura que la resolución del sistema sea difícil, lo que incrementa la seguridad del cifrado |